エコシム

EcoSimは、個体ベースの捕食者-被食者関係生態系シミュレーションであり、エージェントが進化することができます。種分化や大進化といった長期的な進化パターンやプロセスに加え、広範な生態学的問題を調査するために設計されています。 ^{[1] [2] [3] [4]} EcoSimは、ウィンザー大学のロビン・グラス氏によって2009年に設計され、現在も^{[いつ? ]}彼のバイオインフォマティクスおよび生態系シミュレーション研究室で研究に使用されています。

主な概念

エージェントは、進化のプロセスによって捕食者と被食者の行動を変化させる行動モデルを持っています。さらに、種分化メカニズムによって、種固有のパターンだけでなく、全体的なパターンも研究できます。EcoSimでは、個体のゲノムデータがその行動モデルをコード化し、ファジー認知マップ（FCM）によって表現されます。FCMには、食物接近や捕食者接近といった感覚概念、恐怖や空腹といった内部状態、逃避や繁殖といった運動概念が含まれます。FCMは、ある概念が他の概念に及ぼす影響の程度を表す浮動小数点値の配列として表現されます。例えば、感覚概念である捕食者接近は、内部概念である恐怖に正の影響を与え、恐怖は逃避という運動概念に正の影響を与えることが期待されます。これらの概念間の関係は時間とともに進化し、時には概念に新たな意味を与えることもあります。さらに、FCMは遺伝性があり、新しいエージェントには、親のFCMに突然変異を加えたFCMが与えられます。

EcoSimは、種の「遺伝子型クラスター」定義を採用しています。^[5]種分化は、既存の種を2つの種に分割することを可能にする2平均クラスタリングアルゴリズム技術を用いて実装されています。この技術は、当初最初の種に属していた個体を、新しい2つの種のいずれかにクラスタリングすることで、それぞれの種に最も類似したエージェントが含まれるようにします。EcoSimは種分化イベントの発生を可能にするため、シミュレーションの実行中に種分化イベントを追跡し、実際の系統樹を構築することが可能です。^[6]

各エージェントは、最大年齢と現在の年齢、交尾可能な最小年齢、最大速度と現在の速度、視距離、最大エネルギーレベルと現在のエネルギーレベル、子孫に伝達されるエネルギー量といった、いくつかの物理的特性も有しています。エネルギーは、環境内で発見される資源（草や肉）によって個体に供給されます。エージェントは、行動を実行するたびに、FCMの複雑度（エッジ数）に比例したエネルギーを消費します。個体がエネルギーを使い果たすと、死亡します。

典型的な実行は数万タイムステップにわたります。各タイムステップには、各エージェントが環境を認識し、行動モデルを用いて意思決定を行い、行動を実行するのに必要な時間に加え、種分化イベントやすべてのワールドパラメータを含む種のメンバーシップの更新に必要な時間が含まれます。典型的な実行では、10億以上のエージェントが誕生し、数千の種が生成される可能性があります。これにより、新しい行動が出現し、エージェントは絶えず変化する環境に適応することができます。さらに、一次生産者、捕食者、被食者の3つのレベルからなる食物連鎖が実装されており、エージェント間の複雑な相互作用と共進化が起こります。すべてのイベント、つまり各エージェントの精神状態と行動は、すべての実行の各タイムステップごとに保存されます。これにより、システムの根底にある特性と新たに出現する特性を理解するのに役立つ可能性のあるあらゆる事実を抽出、測定、相関させるために考案された複数の専用ツールを用いて、システム全体の詳細な統計分析が可能になります。^[7]

研究出版物

EcoSimを用いた研究は既にいくつか行われている。例えばDevaursとGras ^{[8]は、 Fisherの対数級数に基づいて、EcoSimによって生成されたコミュニティで観察された}種の豊富さのパターンを分析した。この研究は、シミュレーションによって生成された種のコミュニティが自然のコミュニティと同じ対数正規法則に従うこと、そしてEcoSimが特定のコミュニティの全体的な多様性のレベルを評価するのに役立つことを示している。他の研究では、マルチフラクタル特性を持つシステムのカオス的挙動が^[9]で証明されており、実際の生態系でも観察されている。より最近の研究では、Golestaniら^[10]は、ランダムに分布する小さな物理的障害物が、個体群と種の分布、個体群の連結性のレベル（遺伝子流動など）、および種分化のモードとテンポにどのように影響するかを調査した。

参考文献

1. Gras, Robin; Devaurs D.; Wozniak A.; Aspinall A. (2009). 「ファジー認知マップ行動モデルを用いた個体ベースの進化型捕食者-被食者生態系シミュレーション」. Artificial Life . 15 (4): 423– 463. CiteSeerX  10.1.1.618.6656 . doi :10.1162/artl.2009.Gras.012. PMID  19463060. S2CID  1883312.
2. Nathalie, Osbore (2011年11月2日). 「数字で見る自然：シミュレートされた生態系が生物学的疑問への答えを提供する」International Science Grid this Week .
3. An, Li (2011). 「人間と自然の結合システムにおける人間の意思決定のモデリング：エージェントベースモデルのレビュー」.生態学的モデリング. 229 : 25–36 . doi :10.1016/j.ecolmodel.2011.07.010.
4. McLane, Adam J.; Christina Semeniukb; Gregory J. McDermida; Danielle J. Marceau (2011). 「野生生物の生態と管理におけるエージェントベースモデルの役割」.生態学的モデリング. 222 (8): 1544– 1556. doi :10.1016/j.ecolmodel.2011.01.020.
5. Mallet, J. (1995). 「現代統合のための種の定義」. Trends in Ecology and Evolution . 10 (7): 294– 299. doi :10.1016/0169-5347(95)90031-4. PMID  21237047.
6. スコット、ライアン、グラス・R. (2012). 「個体ベース生態系シミュレーションEcoSimを用いた距離ベースの系統樹構築手法の比較」『人工生命』13. pp.  105– 110. CiteSeerX 10.1.1.401.5208 . doi :10.7551/978-0-262-31050-5-ch015. ISBN  9780262310505。 {{cite book}}:|journal=無視されました (ヘルプ)
7. Stephen, Fields (2011年8月2日). 「新たなリソースがコンピューター科学者の生態系進化シミュレーションを加速」. 2015年4月4日時点のオリジナルよりアーカイブ。2012年7月17日閲覧。
8. Devaurs, D.; Gras R. (2010). 「フィッシャーの対数系列を用いた生態系シミュレーションにおける種の豊富さのパターンの検討」.シミュレーションモデリングの実践と理論. 18 : 100–123 . CiteSeerX 10.1.1.739.5030 . doi :10.1016/j.simpat.2009.09.012. S2CID  3230946. 
9. Golestani, A.; Gras R. (2010). 「個体ベース生態系シミュレーションの規則性分析」. Chaos: An Interdisciplinary Journal of Nonlinear Science . 20: 043120 (4): 043120. Bibcode :2010Chaos..20d3120G. doi :10.1063/1.3514011. PMID  21198090.
10. Golestani, A.; Gras R.; Cristescu M. (2012年8月). 「異種仮想世界における遺伝子流動を伴う種分化：物理的障害は種分化を加速できるか？」Proceedings of the Royal Society B: Biological Sciences . 279 (1740): 3055– 3064. doi :10.1098/rspb.2012.0466. PMC 3385488. PMID  22513856 .